Kural yazmaktan örnek göstermeye
Bir işin kuralla mı yoksa örneklerden öğrenmeyle mi çözüleceğini ayırt etmeyi öğretir; yapay zekânın tanımını teknolojiden değil, kararın nereden geldiğinden kurar.
BU DERSİN SONUNDA
- Kural tabanlı bir sistem ile öğrenen bir sistemi kararın kaynağına bakarak ayırt etmek
- Bir işi kuralla mı öğrenmeyle mi çözeceğine ölçütlere dayanarak karar vermek
- Yapay zekâ, makine öğrenmesi, derin öğrenme ve üretken yapay zekâ terimlerini doğru yerleştirmek
- Öğrenen sistemin getirdiği belirsizliği hata maliyetiyle birlikte değerlendirmek
- 1
Teori
Kavramın çalışma mantığı
- 2
Örnek
Gerçek bir senaryo üzerinde gösterim
- 3
Lab
Uygulamalı alıştırma
- 4
Test
Kısa ölçüm
- 5
Proje
Rotadaki projeye katkı
Kısa cevap
Yapay zekâ, insan zihninin yaptığı işleri — tanıma, sınıflandırma, karar verme, üretme — bilgisayara yaptırma alanının genel adıdır; alanın bugünkü ağırlık merkezi, kararı insanın tek tek yazdığı kurallardan değil örneklerden çıkarılan örüntülerden veren sistemlerdir. Ayrım teknolojide değil, kuralın nereden geldiğindedir: kural tabanlı bir sistemde kararı yazan insandır ve sistem onu uygular; öğrenen bir sistemde insan örnekleri ve başarı ölçütünü verir, kuralı sistem çıkarır.
Teori: kuralı kim yazıyor?#
Kural tabanlı sistemler uzun süre işe yaradı, çünkü çoğu iş kuralı yazılabilir: fatura tutarı şu eşiği geçerse onaya düşer, müşteri şu segmentteyse şu indirim uygulanır. Bu sistemlerin gücü de sınırı da aynı yerden gelir. Karar tamamen görünürdür ve gerekçesi kuralın metnidir; buna karşılık yalnızca birinin önceden düşündüğü durumlar için vardır.
Kuralla çözülemeyen problemlerin ortak özelliği, kuralın insanın kafasında açıkça bulunmamasıdır. Bir fotoğraftaki kedinin kedi olduğunu nasıl anladığınızı adım adım yazamazsınız; bir dilekçenin hangi birime gideceğine karar verirken kullandığınız ipuçlarının çoğunu dile dökemezsiniz. Bu tür örtük bilgi elinizde kural listesi olarak değil, örnek yığını olarak durur.
Öğrenen sistemler tam bu boşluğu doldurur. Kuralı yazmak yerine doğru cevabı bilinen bol miktarda örnek verirsiniz ve sistem girdiyi cevaba bağlayan bir işlevi ayarlar. Bedeli de budur: kural görünür bir metin olmaktan çıkıp sayısal bir ayar kümesine dönüşür. Sistemin neden öyle karar verdiğini artık okuyarak değil, ölçerek anlarsınız.
Uygulamada: hangi problem hangi yaklaşım#
| Problem | Kuralı yazılabilir mi? | Uygun yaklaşım | Neden |
|---|---|---|---|
| KDV hesaplama | Evet, tam olarak | Kural tabanlı | Doğru cevap mevzuatla tanımlı; öğrenmeye gerek yok |
| Kargo ücreti eşiği | Evet | Kural tabanlı | Kural değişince tek satır değişir, yeniden eğitim gerekmez |
| Gelen dilekçeyi birime yönlendirme | Kısmen | Kural ve öğrenme birlikte | Açık kurallar önce eler, kalan belirsiz yığın öğrenilir |
| Fotoğraftaki ürünü tanıma | Hayır | Öğrenme | Tanıma ölçütü insanın kafasında örtük durur |
| Serbest metinden şikâyet konusu çıkarma | Hayır | Öğrenme | Aynı şikâyet yüzlerce farklı cümleyle yazılır |
Karar: kural mı, öğrenme mi?#
- 1Kuralı yazmayı deneyin
Kararı üç cümlede yazabiliyorsanız öğrenmeye gerek yok; kuralı yazın, daha ucuz ve daha denetlenebilir olur.
- 2İstisnaları sayın
Kural listesi büyüyüp maddeler birbiriyle çelişmeye başlıyorsa elinizdeki örtük bilgi problemidir.
- 3Örnek var mı diye bakın
Geçmişte insanların verdiği kararlar kayıtlıysa öğrenmenin ham maddesi zaten sizde demektir.
- 4Hata maliyetini tanımlayın
Yanlış kararın bedeli geri alınamıyorsa öğrenen sistemin çıktısı kararın kendisi değil, insana sunulan bir öneri olur.
Terimler birbirinin yerine kullanılmaz#
- Yapay zekâ: bu işleri bilgisayara yaptırmayı hedefleyen en geniş alan; kural tabanlı sistemler de tarihsel olarak bu şemsiyenin altındadır.
- Makine öğrenmesi: bu şemsiyenin, kuralı veriden çıkaran yöntemler kümesi; bir sonraki ders bunun mantığını kuruyor.
- Derin öğrenme: makine öğrenmesinin, katmanlı sinir ağlarıyla çalışan alt kümesi.
- Üretken yapay zekâ: sınıflandırmak yerine metin, görüntü veya ses üreten modellerin adı; bugünkü örnekleri derin öğrenme üzerine kurulu.
- Bunlar eşanlamlı değil, iç içe kümelerdir: her üretken model bir yapay zekâdır, her yapay zekâ üretken değildir.
Sık yapılan hata#
Sahada en sık görülen yanılgı, öğrenen bir sistemi kural tabanlı bir sistemin yerine koyup aynı kesinliği beklemektir. Kural tabanlı sistem aynı girdiye her zaman aynı cevabı verir ve cevabın gerekçesi okunabilir. Öğrenen sistem ise bir tahmin üretir; doğruluğu tek tek cevaplarda değil, yeterince büyük bir örnek kümesinde ölçülür. Mevzuatla tanımlı bir hesabı öğrenen bir sisteme devretmek, çözülmüş bir problemi belirsiz hale getirmektir.
LAB · UYGULAMALI ALIŞTIRMA
Kendi işinizde kural ile öğrenme sınırını çizin
- 1Kendi işinizde son bir ayda tekrarladığınız sekiz kararı tek satırlık cümleler halinde listeleyin.
- 2Her karar için gerekçesini yazmayı deneyin; üç cümlede bitiyorsa 'kural', bitmiyorsa 'örtük' diye işaretleyin.
- 3Örtük işaretlediklerinizde geçmiş kararların kayıtlı olup olmadığını ve yaklaşık kaç örnek biriktiğini not edin.
- 4Her karar için yanlış sonucun bedelini 'geri alınabilir' veya 'geri alınamaz' diye etiketleyin.
- 5Kural ve geri alınabilir olanları 'otomatikleştirilebilir', örtük ve geri alınamaz olanları 'insan onayına bağlı' diye iki listeye ayırın.
Beklenen çıktı
Sekiz kararın kural/örtük ve geri alınabilir/alınamaz eksenlerine yerleştirilmiş listesi ve her biri için önerilen yaklaşım.
Sık sorulan sorular
Yapay zekâ insan gibi düşünüyor mu?
Hayır. Bugünkü sistemler örneklerden çıkardıkları istatistiksel örüntülerle çalışır; bir amaç, inanç veya anlama durumu taşımazlar. Çıktının akıcı olması anlama kanıtı değildir; bu ayrımın sonuçları rotanın son dersinde ayrıntılanıyor.
Kural tabanlı sistemler artık kullanılmıyor mu?
Kullanılıyor ve çoğu üretim sisteminde ikisi bir arada çalışıyor: açık kurallar kolay durumları eler, geriye kalan belirsiz yığın öğrenen bileşene düşer. Marifet kuralı kaldırmak değil, kuralın yetmediği yeri doğru tespit etmektir.
Öğrenen bir sistem için ne kadar örnek gerekir?
Sabit bir sayı yok; gereken miktar kararın ne kadar çeşitlendiğine ve hata toleransınıza bağlı. Pratik ölçüt şu: aynı durumun farklı yazılış ve biçimlerini örneklerinizde görüyor musunuz? Görmüyorsanız sistem o varyasyonu üretimde de tanımayacaktır.
LEARN
Yapay Zekâya Başlangıç rotasına devam et
Dersler tek başına da okunabilir, ama sıralı ilerlemek önkoşul boşluklarını kapatır.